MCP HubMCP Hub
스킬 목록으로 돌아가기

review-pull-request

pjt222
업데이트됨 2 days ago
3 조회
17
2
17
GitHub에서 보기
기타ai

정보

이 Claude Skill은 GitHub CLI를 사용하여 PR을 포괄적으로 검토하며, 변경 사항(diff), 커밋 기록, CI/CD 체크를 분석합니다. 심각도 수준(차단/제안/사소한 의견/칭찬)으로 피드백을 제공하고 `gh pr review`를 통해 리뷰를 제출합니다. PR 검토 담당자로 지정되었을 때, 피드백 요청 전 자체 검토 시, 변경 후 후속 검토 시, 또는 병합 후 품질 감사 시 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/review-pull-request

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

審拉請

由 GitHub CLI 全程審拉請——自解變至遞構之反。用 gh CLI 行諸 GitHub 之動,生重之等審注。

用時

  • PR 備審且授汝乃用
  • 著者處反後行二審乃用
  • 請他審前自審己之 PR 乃用
  • 為合後質察審已合之 PR 乃用
  • 欲構之審程而非臨之掃乃用

  • 必要:PR 之識(號、URL、或 owner/repo#number
  • 可選:審之專(安、性、正、格)
  • 可選:碼庫之熟(熟、稍、生)
  • 可選:審之時算(速掃、標、深)

第一步:解其境

讀 PR 之述而解此變欲成何。

  1. 取 PR 之屬:
    gh pr view <number> --json title,body,author,baseRefName,headRefName,labels,additions,deletions,changedFiles,reviewDecision
    
  2. 讀 PR 之題與述:
    • 此 PR 解何患?
    • 著者用何徑?
    • 著者欲審何特區乎?
  3. 察 PR 之大而估所需之時:
PR Size Guide:
+--------+-----------+---------+-------------------------------------+
| Size   | Files     | Lines   | Review Approach                     |
+--------+-----------+---------+-------------------------------------+
| Small  | 1-5       | <100    | Read every line, quick review       |
| Medium | 5-15      | 100-500 | Focus on logic changes, skim config |
| Large  | 15-30     | 500-    | Review by commit, focus on critical  |
|        |           | 1000    | files, flag if should be split       |
| XL     | 30+       | 1000+   | Flag for splitting. Review only the  |
|        |           |         | most critical files.                 |
+--------+-----------+---------+-------------------------------------+
  1. 審提交之史:
    gh pr view <number> --json commits --jq '.commits[].messageHeadline'
    
    • 提交為邏且善構乎?
    • 史敘故乎(各提交為合之步)?
  2. 察 CI/CD 之狀:
    gh pr checks <number>
    
    • 諸察皆過乎?
    • 若察敗,記其敗者——影審之徑

得:明解 PR 為何、為何存、何大、CI 綠乎。此境形審之徑。

敗則:若 PR 述空或不清,標此為首反。無境之 PR 為審之反形。若 gh 命敗,驗已認證(gh auth status)且有庫之訪。

第二步:析其差

系讀實之碼變。

  1. 取全差:
    gh pr diff <number>
    
  2. 小/中之 PR,序讀全差
  3. 大 PR,依提交審:
    gh pr diff <number> --patch  # full patch format
    
  4. 各變文評:
    • :碼行 PR 所述乎?
    • 邊例:界處乎?
    • 誤處:誤捕與宜處乎?
    • :注入、認、數露之險乎?
    • :明 O(n^2) 環、缺索、存患乎?
    • :新變/函/類命清乎?
    • :新行為試覆乎?
  5. 讀時記之,依重分各察

得:諸有意變之察集,覆正、安、性、質。各察有重等。

敗則:若差過大不能效審,標之:「此 PR 變 {N} 文 {M} 行。吾議分為小 PR 以效審。」仍審最險之文。

第三步:分反

組諸察為重之等。

  1. 各察分之:
Feedback Severity Levels:
+-----------+------+----------------------------------------------------+
| Level     | Icon | Description                                        |
+-----------+------+----------------------------------------------------+
| Blocking  | [B]  | Must fix before merge. Bugs, security issues,      |
|           |      | data loss risks, broken functionality.             |
| Suggest   | [S]  | Should fix, but won't block merge. Better           |
|           |      | approaches, missing edge cases, style issues that   |
|           |      | affect maintainability.                            |
| Nit       | [N]  | Optional improvement. Style preferences, minor      |
|           |      | naming suggestions, formatting.                    |
| Praise    | [P]  | Good work worth calling out. Clever solutions,      |
|           |      | thorough testing, clean abstractions.              |
+-----------+------+----------------------------------------------------+
  1. 各 Blocking 之入釋:
    • 何誤(具體之患)
    • 何要(其影)
    • 如何修(具體議)
  2. 各 Suggest 之入釋替與何以勝
  3. Nit 簡——一句即足
  4. 若有陽事,至少一 Praise

得:排序之反列附明重等。Blocking 之入有修議。比常宜為:少 Blocking、某 Suggest、微 Nit、至少一 Praise。

敗則:若皆似 Blocking,PR 或宜重作而非補。考於 PR 等請變而非行行注。若無事似誤,述之——「LGTM」乃碼善時之效反。

第四步:書審注

撰附構、可行反之審。

  1. 審摘(頂注):
    • 一句:PR 行何(確解)
    • 整評:批准、請變、或注
    • 要入:列 Blocking 患(若有)與首 Suggest
    • Praise:標善勞
  2. 行注於具體碼所:
    # Post inline comments via gh API
    gh api repos/{owner}/{repo}/pulls/{number}/comments \
      -f body="[B] This SQL query is vulnerable to injection. Use parameterized queries instead.\n\n\`\`\`suggestion\ndb.query('SELECT * FROM users WHERE id = $1', [userId])\n\`\`\`" \
      -f commit_id="<sha>" \
      -f path="src/users.js" \
      -F line=42 \
      -f side="RIGHT"
    
  3. 反式恆:
    • 各注始以重標:[B][S][N][P]
    • 用 GitHub 之議塊行具修
    • 鏈至文檔以行格/形之議
  4. 遞其審:
    # Approve
    gh pr review <number> --approve --body "Review summary here"
    
    # Request changes (when blocking issues exist)
    gh pr review <number> --request-changes --body "Review summary here"
    
    # Comment only (when unsure or providing FYI feedback)
    gh pr review <number> --comment --body "Review summary here"
    

得:已遞之審附明、可行之反。著者明知何修(Blocking)、何慮(Suggest)、何善(Praise)。

敗則:若 gh pr review 敗,察權。汝需庫之書權或為所請審者。若行注敗,退以諸反置於審體附 file:line 引。

第五步:續

追審之解。

  1. 著者應或推更後:
    gh pr view <number> --json reviewDecision,reviews
    
  2. 獨再審處汝反之變:
    gh pr diff <number>  # check new commits
    
  3. 批准前驗 Blocking 之入已解
  4. 患解時解其注串
  5. Blocking 入皆修後批准:
    gh pr review <number> --approve --body "All blocking issues resolved. LGTM."
    

得:Blocking 患驗為修。審談已解。PR 已批准或續請變附具餘入。

敗則:若著者異反,於 PR 串議之。專於影(何要)而非權。若異於非阻入,優雅讓——著者擁其碼。

  • PR 境已解(用、大、CI 狀)
  • 諸變文已審(或 XL PR 之最險文)
  • 反依重分(Blocking/Suggest/Nit/Praise)
  • Blocking 入有具修議
  • 至少一 Praise 為陽面
  • 審決合反(獨無 Blocking 入時批准)
  • 行注引具行附重標
  • CI/CD 察已驗(綠後批准)
  • 著者改後續已畢

  • 橡章:未實讀差而批准。各批准乃質之斷
  • Nit 之雪崩:以格之喜淹著者。Nit 留為教境;緊審時略之
  • 失林:行行審而不解整設。先讀 PR 述與提交史
  • 格之 Blocking:式與命幾不為 Blocking。Blocking 留為訛、安、數整
  • 無 Praise:獨指患令意沮。善碼宜認
  • 審範漂:注 PR 未變之碼。若先存患擾汝,立別問題

  • review-software-architecture — 系等構審(補 PR 等審)
  • security-audit-codebase — 為安敏變 PR 行深安析
  • create-pull-request — 程之他面:立易審之 PR
  • commit-changes — 淨之提交史使 PR 審甚易

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan/skills/review-pull-request
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기